Modelo-dinamico-de-la-determinacion-del-tipo-celular-en-la-raz-de-arabidopsis-thaliana

Vista previa del material en texto

UNIVERSIDAD NACIONAL AUTÓNOMA
DE MÉXICO
FACULTAD DE CIENCIAS
Modelo dinámico de la determinación del tipo
celular en la raı́z de Arabidopsis thaliana
T E S I S
QUE PARA OBTENER EL TÍTULO DE:
Biólogo
PRESENTA:
Carlos Fernando Buen Abad Najar
TUTORA
Dra. Mariana Benı́tez Keinrad
2015
 .
Lourdes
Texto escrito a máquina
Ciudad Universitaria, D. F.
 
UNAM – Dirección General de Bibliotecas 
Tesis Digitales 
Restricciones de uso 
 
DERECHOS RESERVADOS © 
PROHIBIDA SU REPRODUCCIÓN TOTAL O PARCIAL 
 
Todo el material contenido en esta tesis esta protegido por la Ley Federal 
del Derecho de Autor (LFDA) de los Estados Unidos Mexicanos (México). 
El uso de imágenes, fragmentos de videos, y demás material que sea 
objeto de protección de los derechos de autor, será exclusivamente para 
fines educativos e informativos y deberá citar la fuente donde la obtuvo 
mencionando el autor o autores. Cualquier uso distinto como el lucro, 
reproducción, edición o modificación, será perseguido y sancionado por el 
respectivo titular de los Derechos de Autor. 
 
 
 
Hoja de Datos del Jurado
1. Datos del alumno
Buen Abad
Najar
Carlos Fernando
5539320383
Universidad Nacional Autónoma de México
Facultad de Ciencias
Bioloǵıa
411003072
2. Datos del tutor
Dra
Mariana
Beńıtez
Keinrad
3. Datos del sinodal 1
Dra
Maŕıa Elena
Álvarez-Buylla
Roces
4. Datos del sinodal 2
Dr
Luis Antonio
Mendoza
Sierra
5. Datos del sinodal 3
Dra
Julieta Alejandra
Rosell
Garćıa
6. Datos del sinodal 4
Dr
Carlos Arturo
Espinosa
Soto
7. Datos del trabajo escrito
Modelo dinámico de la determinación del tipo celular en la ráız de Arabidopsis thaliana.
117 p
2015
2
A la memoria de mi abuelo.
3
Índice
Resumen 8
1. Introducción 10
1.1. Evolución, Ecoloǵıa y Desarrollo . . . . . . . . . . . . . . . . . . . . . 11
1.2. Epigenética . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Plasticidad fenot́ıpica, norma de reacción y asimilación génica . . . . 15
1.3.1. Plasticidad fenot́ıpica en plantas y fitohormonas . . . . . . . . 18
1.4. Mecanismos de determinación celular en la epidermis de la ráız de
Arabidopsis thaliana . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.1. Red de regulación génica en la epidermis de ráız de Arabidopsis
thaliana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.2. El papel de las v́ıas de señalización hormonal en la emergencia
de patrones espaciales . . . . . . . . . . . . . . . . . . . . . . 24
1.5. Bioloǵıa de sistemas y modelos de redes de regulación génica . . . . . 26
1.5.1. Modelos de redes de regulación génica . . . . . . . . . . . . . 26
1.5.2. Inferencia de las arquitectura de las RRG . . . . . . . . . . . . 29
1.6. Modelo de la RRG involucrada en la determinación celular en la ráız
de Arabidopsis thaliana . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.7. Objetivos e Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2. Métodos 37
2.1. Actualización de las reglas lógicas del modelo de RRG de Beńıtez et
al. 2008. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2. Programas y simulaciones . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3. Simulaciones de las ĺıneas mutantes . . . . . . . . . . . . . . . . . . . 41
2.4. Evaluación de la importancia de las nuevas interacciones y los supues-
tos del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5. Simulaciones de los efectos de los cambios en las variables ambientales
sobre la red . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3. Resultados 44
4
3.1. Actualización de los nodos e interacciones del modelo de RRG de
Beńıtez et al. 2008. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.1. Regulación de la formación del CA y de la expresión de GLA-
BRA2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.2. Regulación de la expresión de WEREWOLF . . . . . . . . . . 48
3.1.3. Regulación de la expresión de atMYB23 . . . . . . . . . . . . 49
3.1.4. Regulación de la expresión de GLABRA3 y ENHANCER OF
GLABRA3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.1.5. Regulación de la expresión de TRANSPARENT TESTA GLA-
BRA1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.1.6. Regulación de la expresión de TRANSPARENT TESTA GLA-
BRA2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.1.7. Regulación de la expresión de CAPRICE, TRIPTYCHOME
y ENHANCER OF TRIPTYCHOME AND CAPRICE1 . . . 51
3.1.8. Regulación de la expresión de WRKY75 . . . . . . . . . . . . 54
3.1.9. Regulación de la expresión de SCRAMBLED . . . . . . . . . . 55
3.1.10. Regulación de la expresión de ZINC FINGER PROTEIN5 . . 56
3.2. Est́ımulos externos que alteran la expresión de los genes de la RRG . 56
3.2.1. Dióxido de carbono . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2.2. Estrés salino . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.3. Deficiencia de nutrientes (Fosfato) . . . . . . . . . . . . . . . . 58
3.3. Difusión de los elementos móviles de la red . . . . . . . . . . . . . . . 59
3.4. Patrones de distribución espacial obtenidos de las simulaciones . . . . 60
3.4.1. Estados estables de los perfiles de expresión de los genes . . . 60
3.4.2. Atractores de la red de regulación génica . . . . . . . . . . . . 61
3.4.3. Patrones de distribución espacial obtenidos en las simulaciones
de las ĺıneas mutantes . . . . . . . . . . . . . . . . . . . . . . 62
3.5. Importancia de la difusión de CPC, GL3 y EGL3 en el modelo . . . . 66
3.5.1. Difusión lateral de los elementos móviles . . . . . . . . . . . . 66
3.6. Evaluación de las nuevas interacciones y los supuestos del modelo . . 67
3.6.1. Retroalimentación positiva del CA por MYB23 . . . . . . . . 67
5
3.6.2. Activación de la expresión de SCM por CPC y TRY . . . . . 68
3.6.3. Inhibición de la expresión de SCM por el CA . . . . . . . . . 68
3.6.4. Retraso en la expresión de MYB23 en comparación con la
expresión de WER (Supuesto del modelo) . . . . . . . . . . . 69
3.6.5. TTG2 promueve la actividad del CA (Supuesto del modelo) . 69
3.6.6. Activación directa de GL3 y EGL3 por CPC (Supuesto del
modelo) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.7. Evaluación de otras posibles interacciones . . . . . . . . . . . . . . . 71
3.7.1. Difusión de TRY . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.7.2. Inhibición de la expresión de MYB23 por SCM . . . . . . . . 73
3.8. Simulaciones de la dinámica de la red ante est́ımulos ambientales . . . 73
4. Discusión, conclusiones y perspectivas 78
4.1. Nuevos nodos integrados en la actualización del modelo . . . . . . . . 78
4.2. Dinámica de la RRG asociada a la expresión de GL2 en la epidermis
de la ráız . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.3. El modelo como herramienta para evaluar y predecir interacciones . . 80
4.3.1. MYB23 provee un mecanismo de retroalimentación positiva
de la actividad del CA . . . . . . . . . . . . . . . . . . . . . . 81
4.3.2. Regulación de la expresión de SCRAMBLED por los inhibi-
dores del CA . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.3.3. Predicciones del modelo . . . . . . . . . . . . . . . . . . . . . 82
4.4. La Ecoloǵıa Evolutiva del Desarrollo desde la Bioloǵıa de Sistemas . . 83
4.4.1. El uso de los modelos de RRG para estudiar la plasticidad
fenot́ıpica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.4.2. La plasticidad fenot́ıpica y el paisaje epigenético en las simu-
laciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.5. Limitaciones del modelo . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.5.1. Fenotipos de las ĺıneas mutantes que no son reproducidos por
el modelo . . . . . . . . . . . . . . . . . . . . . . . .. . . . . 86
4.5.2. Limitaciones de los modelos sincrónicos y construcción de mo-
delos asincrónicos . . . . . . . . . . . . . . . . . . . . . . . . . 87
6
4.5.3. Vı́as de señalización hormonal que no fueron integradas al
modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.6. Perspectivas de los modelos discretos de RRG en la Eco-Evo-Devo . . 91
4.6.1. Experimentos in silico de norma de reacción . . . . . . . . . . 91
Bibliograf́ıa consultada 94
Apéndice A: Reglas lógicas 101
Apéndice B: Tablas de verdad 103
7
Resumen
Un concepto prevalente en la śıntesis moderna de la teoŕıa de la evolución es que
la variación fenot́ıpica entre los individuos de una población o especie es el resultado
de mutaciones al azar, por lo que los procesos que tienen lugar durante el desarrollo
de los organismos no influyen en la evolución. No obstante, la evidencia experimental
reciente sugiere que los fenotipos no son determinados únicamente por mutaciones
azarosas, sino que son el resultado de la interacción entre diversos componentes
genéticos y ambientales durante el desarrollo de los organismos. Se conoce como
plasticidad fenot́ıpica a la capacidad de un genotipo de producir diferentes fenotipos
al ser expuesto a cambios en las condiciones ambientales.
Los modelos computacionales son herramientas útiles para describir y estudiar la
dinámica de diversos sistemas biológicos, aśı como para realizar predicciones sobre
sus componentes e interacciones. En 2008, Beńıtez y sus colaboradores publicaron un
modelo discreto, dinámico y con actualización sincrónica de la Red de Regulación
Génica (RRG) asociada a la determinación del tipo celular en la epidermis de la
ráız de Arabidopsis thaliana. Dicho modelo integró la información sobre el sistema
disponible en la literatura cient́ıfica y postuló predicciones que posteriormente fueron
comprobadas de forma experimental. En este trabajo se actualiza y ampĺıa el modelo
de Beńıtez y sus colaboradores para incluir la forma en que los cambios en las
variables ambientales y en las v́ıas de señalización hormonal afectan la dinámica de
esta red con el fin de poder estudiar la plasticidad fenot́ıpica del sistema.
En el modelo presentado en este trabajo se integran a la RRG estudiada cuatro
nuevos genes, tres fitohormonas y tres variables ambientales: la concentración de
CO2 en el aire, la disponibilidad de fosfato en el suelo, y la salinidad del suelo. El
modelo reproduce cualitativamente los patrones espaciales de determinación celular
de los pelos de ráız en A. thaliana, tanto en los ecotipos silvestres como en la mayoŕıa
de las ĺıneas mutantes en los genes de la RRG. Aśı mismo se reproducen los perfiles
de expresión génica observados en los tricoblastos (precursores de pelos de ráız)
y atricoblastos (precursores de células que no forman pelos). El modelo también
recupera cualitativamente los fenotipos que presentan los ecotipos silvestres de A.
thaliana ante cambios en las variables ambientales.
Se concluye que el modelo es capaz de describir la dinámica de la RRG asociada
a la determinación celular en la epidermis de la ráız de A. thaliana, y de reproducir
la plasticidad que presenta este sistema ante los cambios en las variables ambienta-
les. Este trabajo establece un precedente en el uso de los modelos computacionales
8
dinámicos para estudiar la plasticidad fenot́ıpica de las RRG asociadas a sistemas
de determinación celular.
9
1. Introducción
Durante las últimas décadas se ha acumulado una enorme cantidad de evidencia
experimental que indica que la evolución de los fenotipos no puede ser reducida
a cambios en las frecuencias alélicas en una población; ni la variación fenot́ıpica
entendida únicamente como el resultado de mutaciones azarosas. Esto ha propiciado
el auge de un nuevo enfoque que integra a la evolución con la ecoloǵıa y la bioloǵıa
del desarrollo, conocido como Ecoloǵıa Evolutiva del Desarrollo (Eco-Evo-Devo).
Esta disciplina tiene como objetivo estudiar el papel de los factores ambientales
en la variación de los procesos de desarrollo, aśı como el efecto de estos cambios
en las interacciones ecológicas y en la variación, potencial herencia y evolución de
los fenotipos (Gilbert et al., 1996; Odling-Smee, 1996; Odling-Smee et al., 2003;
Jablonka y Lamb, 2007; Müller, 2007; Pigliucci, 2007; Pigliucci y Müler, 2010).
Este enfoque requiere de integrar la información relevante a las tres disciplinas
que lo conforman, de tal forma que se logre estudiar la acción de todos los elementos
involucrados en los procesos evolutivos, ecológicos y del desarrollo, aśı como la for-
ma en que las interacciones complejas entre estos dan origen a nuevos fenotipos. La
bioloǵıa teórica y de sistemas permite este estudio integral mediante la implementa-
ción de modelos matemáticos y computacionales que logran representar la dinámica
compleja de los procesos biológicos (Ideker et al., 2001; Kitano, 2002; Albert, 2007).
La red de regulación génica asociada a la determinación celular y la emergencia
de patrones espaciales en la epidermis de la ráız de Arabidopsis thaliana es uno de los
sistemas de desarrollo más ampliamente estudiados en las plantas. Los estudios de
genómica y bioloǵıa molecular han ayudado a dilucidar los elementos que subyacen
tras este proceso (Schiefelbein et al., 2009; Bruex et al., 2012; Schiefelbein et al.,
2014), mientras que diversos modelos computacionales de bioloǵıa de sistemas se han
propuesto para integrar esta información, aśı como para predecir nuevos elementos
e interacciones de la red (Mendoza y Álvarez-Buylla, 2000; Beńıtez et al., 2007,
2008; Savage et al., 2008, 2013; Ryu et al., 2013). También se ha documentado
experimentalmente la forma en que diversos factores ambientales (Müller y Schmidt,
2004; Perry et al., 2007; Wang et al., 2008; Niu et al., 2011) y las v́ıas de señalización
hormonal (Masucci y Schiefelbein, 1996; Niu et al., 2011) alteran la expresión de los
genes de esta red, produciendo cambios en los procesos de desarrollo que, a su vez,
derivan en variación fenot́ıpica que en algunos casos podŕıa dar lugar a respuestas
adaptativas ante condiciones ambientales variables (Schmitt et al., 1999; Sultan,
2000).
10
El objetivo de este proyecto es revisar y actualizar el modelo de la red de regula-
ción génica que subyace la determinación celular de la ráız de A. thaliana propuesto
por Beńıtez et al. (2008) e integrar la información experimental disponible de los
efectos del ambiente y las señales hormonales sobre dicha red. De este modo bus-
camos proponer un modelo computacional que nos permita estudiar a fondo los
mecanismos por los cuales el ambiente puede generar variación en el desarrollo a
través de la interacción organismo-ambiente y de cambios en la dinámica compleja
de la regulación genética en este sistema modelo.
1.1. Evolución, Ecoloǵıa y Desarrollo
La śıntesis moderna, postulada en la primera mitad del siglo XX por Ernst
Mayr, George G. Simpson, George L. Stebbins, Theodosius Dobzhansky y Julian
Huxley, entre otros, representó un gran paso hacia una mejor comprensión de los
procesos evolutivos al integrar la teoŕıa de la evolución por selección natural de
Charles Darwin con la genética de Gregor Mendel y la genética de poblaciones de
Ronald A. Fisher, Sewall G. Wright y John B. S. Haldane, aśı como otras áreas de
la bioloǵıa tales como la paleontoloǵıa, la ecoloǵıa y la morfoloǵıa. En resumen, esta
teoŕıa considera que la evolución puede definirse como un cambio en las frecuencias
alélicas dentro de una población, lo cual es el resultado de la acción de la selección
natural sobre la variación génica originada por mutaciones y la recombinación de
alelos (Huxley, 1942). Sin embargo, desde la postulación de la śıntesis, el estudio de
la evolución ha dejado al margen la importancia de los procesos de desarrollo en la
emergencia de nuevas formasen los organismos, descartando la posibilidad de que
los cambios en el fenotipo que surgen como consecuencia de las modificaciones del
ambiente se entiendan también como variación de relevancia evolutiva. No obstante,
los caracteres fenot́ıpicos, sobre los cuales actúa la selección natural, surgen como
resultado de la interacción entre la expresión génica y diversos factores ambientales,
por lo que la śıntesis moderna no es suficiente para explicar el origen y la conservación
de los fenotipos (West-Eberhard, 2003; West-Eberhard, 2005; Jablonka y Lamb,
2007).
Sin embargo, en las últimas décadas, los nuevos estudios de la actividad génica,
los procesos de desarrollo y los mecanismos de herencia han permitido la emergencia
de un nuevo campo de estudio conocido como Bioloǵıa Evolutiva del Desarrollo (Evo-
Devo), la cual estudia cómo han evolucionado los sistemas de desarrollo y, a su vez,
cómo estos sistemas establecidos e nla historia evolutiva afectan la evolución de los
organismos (Jablonka y Lamb, 2007; Müller, 2007).
11
A ráız de la acumulación de evidencia experimental que indica que el desarrollo
y la evolución de los fenotipos no pueden explicarse únicamente como producto de
una combinación lineal de la actividad de los distintos genes, y de que las variaciones
inducidas por el ambiente pueden ser heredadas en ciertos casos (ya sea por el hecho
de que la capacidad de respuesta al ambiente puede ser heredable o a través de
mecanismos que no necesariamente implican cambios en la secuencia del DNA), ha
surgido un nuevo enfoque integral como una una extensión de la Evo-Devo llamada
Ecoloǵıa Evolutiva del Desarrollo (Eco-Evo-Devo), la cual busca dilucidar cómo la
evolución del desarrollo se relaciona con las condiciones ambientales para generar
nuevos fenotipos, las consecuencias de las variaciones del desarrollo sobre las inter-
acciones ecológicas, y la posibilidad de que los cambios fenot́ıpicos inducidos por
est́ımulos ambientales se hereden a través de las generaciones (Odling-Smee, 1996;
Newman y Müller, 2000; Odling-Smee et al., 2003; West-Eberhard, 2005; Jablonka
y Lamb, 2007).
En este trabajo se busca modelar la forma en la que las variables ambientales
pueden producir cambios en el desarrollo y respuestas adaptativa en la epidermis
de la ráız de Arabidopsis thaliana al alterar la expresión de los genes asociados a la
determinación celular.
1.2. Epigenética
El término epigenética fue postulado por Conrad Hal Waddington en 1942 ha-
ciendo referencia al estudio de los mecanismos por medio de los cuales los genes
y sus productos dan lugar al fenotipo (Waddington, 1942). De acuerdo con David
Haig, con esta definición, Waddington señalaba que el curso del desarrollo está de-
terminado por la interacción de varios genes entre ellos y con el ambiente, en lugar
de que los genes tuvieran una correspondencia simple con los caracteres fenot́ıpicos
(Haig, 2004).
Para explicar cómo funcionaŕıan tales mecanismos de interacción, Waddington
utilizó el concepto de “paisaje epigenético”, el cual es una representación del desa-
rrollo que consiste en una superficie por la que rueda una pelota cuesta abajo. A
lo largo de la trayectoria de esta última hay bifurcaciones, de modo que al llegar al
fondo la pelota ha tomado varias decisiones binarias. En este caso, la pelota repre-
senta a una célula embrionaria que en cada punto de diferenciación en el desarrollo
(representados por las bifurcaciones en la superficie), es dirigida hacia un camino o
12
Figura 1: a) Dibujo que representa el paisaje epigenético propuesto por Waddington.
Se observa una superficie inclinada y una pelota en la parte superior. La pelota
representa una célula indiferenciada y el relieve de la superficie determina todos los
caminos posibles que la célula puede seguir en su proceso de diferenciación. b) Los
complejos génicos, representados por postes anclados al suelo, moldean el relieve del
paisaje epigenético. Figuras obtenidas de Slack, 2002.
el otro por la acción de los genes homeóticos1 o los factores de inducción embrio-
naria. Waddington explicó que el relieve del paisaje está formado por la tensión de
“cuerdas” ancladas a complejos de genes por debajo de la superficie, lo cual repre-
senta que las acciones individuales de los genes cooperan para formar el paisaje. La
inactivación por mutación de algunos genes (en particular de los genes homeóticos) y
los cambios funcionales producidos por alteraciones en el ambiente pueden cambiar
el relieve o la estructura del paisaje, modificando los caminos y las decisiones que
la pelota puede tomar, lo cual se traduce en cambios discretos en los procesos del
desarrollo (Figura 1) (Waddington, 1957; Slack, 2002).
Conforme se fueron descubriendo los mecanismos moleculares que participan
en la regulación de la actividad genética y la herencia de los fenotipos celulares, el
término de epigenética ha sido objeto de cambios constantes (Jablonka y Lamb, 2002;
Slack, 2002; Haig, 2004). Algunos autores han mantenido una definición similar a la
expresada por Waddington; por ejemplo, en 1994, Holliday escribió que la epigenética
“puede ser definida como el estudio de los mecanismos de control temporal y espacial
de la actividad génica durante el desarrollo de los organismos complejos”2; además,
utilizó el término de herencia epigenética para describir “la herencia de un espectro
particular de actividades génicas en células especializadas”2 (Holliday, 1990). Más
tarde Holliday redefinió el término como “El estudio de los cambios en la expresión de
1Genes que regulan el desarrollo de estructuras anatómicas en diversos organismos multicelulares
a través de la regulación de la expresión de otros genes y cuya mutación genera cambios en la
identidad de órganos o estructuras.
2Traducido del inglés por el autor de esta Tesis.
13
los genes que ocurre en organismos con células diferenciadas, y la herencia mitótica
o meiótica de los patrones de expresión génica”1 (Holliday, 1994).
Posteriormente, otros autores utilizaron definiciones más estrechas. Por ejemplo,
en el 2001, Wu definió a la epigenética como “el estudio de los cambios en la función
de los genes que son heredables por mitosis y/o meiosis y no implican un cambio
en la secuencia de DNA”1 (Wu y Morris, 2001). Sin embargo, en el 2002 Jablonka
señaló que esta definición no es completa y que, a lo mucho, es apropiada únicamente
para la herencia epigenética y no para la epigenética en śı (Jablonka y Lamb, 2002),
a la cual definió en el 2011 como “un campo de estudio muy amplio que cubre
varios aspectos de la bioloǵıa, incluyendo morfogénesis, herencia celular, herencia
epigenética transgeneracional, y la aproximación a la evolución desde la Evo-Devo”1
(Jablonka y Lamb, 2011); además describió a las variaciones epigenéticas como las
variaciones heredables que no guardan relación con diferencias en la secuencia de
DNA (Jablonka y Lamb, 2007). En este estudio consideraremos las definiciones de
epigenética sugeridas por Jablonka.
La herencia epigenética es la herencia de variaciones fenot́ıpicas que no se re-
flejan en diferencias en la secuencia del DNA, incluyendo la herencia epigenética
celular (transmisión de variaciones de una célula madre a sus células hijas que no
son producidas de diferencias en la secuencia del DNA), y herencia horizontal de
información entre células, sistemas o individuos que interaccionan entre śı. Existen
varios ejemplos de herencia epigenética transgeneracional, la cual parece ser parti-
cularmente común en plantas debido a que la ĺınea germinal en éstas se deriva a
partir de las ĺıneas somáticas en varios puntos de su ciclo de vida, por lo que los
cambios epigenéticos establecidos durante el desarrollo del soma de la planta pueden
persistir y ser heredados a la siguiente generación (Jablonka y Lamb, 2007; Berger
y Chaudhury, 2009; Schmitz y Ecker, 2012; Heard y Martienssen, 2014).Los avances recientes en bioloǵıa molecular han revelado gran parte de los proce-
sos que tienen lugar en el núcleo celular y regulan la expresión de los genes a través
de cambios en la estructura de la cromatina, incluyendo patrones de metilación en
el DNA, modificanciones en las histonas, disposición de los territorios cromosómicos
y la acción de enhancers2 e insulators3. Uno de los retos para el estudio de la epi-
genética es integrar los diversos mecanismos de percepción de est́ımulos ambientales
1Traducido del inglés por el autor de esta Tesis.
2Secuencia corta de DNA en genomas eucariontes que puede unirse a protéınas que interaccionan
con los promotores de uno o varios genes asociados para activar su transcripción.
3Secuencia de DNA en genomas eucariontes que delimita dominios funcionales en la cromatina.
14
con los cambios que tienen lugar en el núcleo para modificar la expresión génica y
cómo estos mecanismos pueden ser heredados en la mitosis y la meiosis.
1.3. Plasticidad fenot́ıpica, norma de reacción y asimilación
génica
Actualmente algunos autores definen al genotipo como la suma total de todos los
genes de un organismo, mientras que el término fenotipo es utilizado para referirse
a las caracteŕısticas observables de un organismo que son producto de la expresión
del genotipo (Pagon et al., 2015). No obstante, estas definiciones sugieren que el
fenotipo es únicamente la expresión f́ısica del genotipo. Sin embargo, la definición
de fenotipo propuesta por Wilhelm Johannsen en 1909 es más amplia, pues describe a
las caracteŕısticas que un organismo tiene como resultado de su desarrollo, durante
el cual el medio ambiente y el genotipo determinan conjuntamente qué aspectos
de su potencial se desarrollan y cómo lo hacen (Johannsen, 1909). La definición
de Johannsen permite entender mejor los conceptos de plasticidad fenot́ıpica y de
norma de reacción descritos en esta sección.
Para establecer una conexión entre los cambios en las condiciones ambientales
y el surgimiento de variación en las estructuras y el desarrollo de los organismos,
se deben considerar los cambios a nivel fenot́ıpico que no necesariamente implican
un cambio en el genotipo. Ha sido ampliamente observado que los cambios en la
expresión de los genes pueden producir cambios en el fenotipo y que, a su vez,
cambios en el ambiente pueden generar cambios en la expresión de los genes.
Se conoce como plasticidad fenot́ıpica a “la capacidad de un genotipo individual
de producir diferentes fenotipos cuando es expuesto a diferentes condiciones am-
bientales” (Pigliucci et al., 2006). La plasticidad fenot́ıpica puede ser expresada de
distintas formas, desde una respuesta bioqúımica, fisiológica o etológica que puede
ser revertida en un periodo corto de tiempo, hasta cambios en el desarrollo que
pueden ser irreversibles o tomar más tiempo en ser revertidos. El tipo de cambio
depende tanto del caracter que presenta la plasticidad como del genotipo del orga-
nismo y del factor ambiental que produce el cambio (Figura 2a). Cabe destacar que,
si bien la capacidad de responder a variaciones externas puede ser cŕıtica para la
adecuación de un organismo ante un ambiente nuevo o heterogéneo, la plasticidad
fenot́ıpica no es necesariamente adaptativa, pues puede ser un cambio inevitable
producido por constricciones en la bioqúımica, la fisioloǵıa o el desarrollo del or-
ganismo (Fordyce, 2006; Pigliucci et al., 2006). Particularmente, se conoce como
15
Figura 2: a) Esquema que ilustra el concepto de plasticidad fenot́ıpica. Se comparan
tres genotipos, los cuales presentan un fenotipo diferente entre śı bajo una condición
ambiental determinada. Al cambiar la variable ambiental, los genotipos muestran
un fenotipo diferente al que presentaron en la condición ambiental inicial. Nótese
que la dirección del cambio fenot́ıpico es diferente en cada genotipo. b) Gráfica que
representa la norma de reacción de un genotipo. La distribución de la variable am-
biental en el eje horizontal (en este caso, la temperatura del ambiente) es convertida
en la distribución de los fenotipos en el eje vertical (altura en cent́ımetros) por la
norma de reacción del genotipo (ĺınea roja). Figuras obtenidas de Pigliucci et al.,
2006 y de Griffiths et al., 1999.
plasticidad del desarrollo a la capacidad de un genotipo de alterar sus procesos de
desarrollo en respuesta a diferentes condiciones ambientales y al resultado fenot́ıpico
de dichas alteraciones (West-Eberhard, 2005; Mockzec et al., 2011). Al conjunto de
fenotipos que pueden ser producidos por un genotipo individual ante cambios en las
variables ambientales (por ejemplo, ante cambios en la altitud o en la temperatura)
se le conoce como norma de reacción (Stearns, 1989; Figura 2b), la cual puede variar
entre diferentes especies, poblaciones e individuos de una misma especie.
Puede decirse entonces que la plasticidad fenot́ıpica es el resultado de un cam-
bio epigenético en la interacción y la expresión de los genes, no de cambios en el
genotipo. El caso espećıfico de la plasticidad fenot́ıpica en el desarrollo puede ser
ejemplificado como cambios en el paisaje epigenético descrito por Waddington ante
los nuevos est́ımulos ambientales, alterando la superficie del paisaje y permitiendo a
la pelota (es decir, las células en desarrollo) tomar rutas alternativas que no exist́ıan
previamente al est́ımulo ambiental.
La plasticidad fenot́ıpica puede permitir adaptarse a los individuos de una pobla-
ción ante un cambio en el ambiente. Además, si los individuos de una misma po-
16
blación presentan diferentes normas de reacción ante los cambios en las variables
ambientales, se puede generar variación en los fenotipos que es susceptible a la se-
lección natural. No obstante, para dar lugar a la evolución adaptativa, la selección
natural debe actuar sobre variación genética. Se conoce como ajuste génico (genetic
accommodation en inglés) a los cambios cuantitativos en la frecuencia de los genes de
tal manera que se afecta la regulación o forma de un nuevo fenotipo (West-Eberhard,
2005). Si el nuevo fenotipo es favorecido por la selección natural, el ajuste génico
disminuye el umbral de regulación necesario para su producción; si por el contrario,
el nuevo fenotipo no es favorecido por la selección natural, el ajuste génico incre-
menta el umbral de regulación, reduciendo la capacidad de formar dicho fenotipo
(West-Eberhard, 2005). La asimilación génica es un caso particular de ajuste génico
en el cual un fenotipo que aparece como respuesta a un est́ımulo ambiental adquie-
re una expresión estable de forma independiente al factor ambiental que lo indujo
en un principio (Figura 3). La alteración de las v́ıas del desarrollo causada por la
plasticidad fenot́ıpica y su posterior asimilación génica juega un papel importante
en el proceso evolutivo (Newman y Müller, 2000; West-Eberhard, 2005; Braendle y
Flatt, 2006; Fordyce, 2006).
Un experimento de Waddington con Drosophila melanogaster muestra un ejem-
plo de esta aparente herencia de caracteres adquiridos por plasticidad fenot́ıpica.
Waddington encontró que la breve exposición a altas temperaturas durante el estado
de pupa de D. melanogaster produćıa en algunos individuos el fenotipo crossvein-
less, los cuales carecen de una de las venas de las alas. Al cruzar a las moscas que
presentaban el fenotipo entre śı y repetir el experimento con la exposición a altas
temperaturas, al cabo de unas pocas generaciones surǵıa una población de moscas
con una alta proporción de individuos que no requeŕıan del est́ımulo externo para
producir el fenotipo crossveinless. El principio de este fenómeno consiste en que,
en ausencia del est́ımulo ambiental, existe variación cŕıptica en la capacidad de los
genotipos para expresar un fenotipo inducido o en el umbral requerido para que el
est́ımulo ambiental produzca la expresión del fenotipo; esto es, variación en la norma
de reaccióndel genotipo. Esta variación en la capacidad de respuesta al est́ımulo
ambiental puede deberse tanto a variación genética como a variaciones en la plas-
ticidad del desarrollo del fenotipo, la cual es influenciada por factores ambientales
durante el desarrollo del organismo y, posiblemente, durante generaciones previas.
En presencia del est́ımulo, la variación previamente cŕıptica se hace conspicua cuan-
do algunos individuos requieren una menor intensidad del est́ımulo que otros para
expresar el nuevo fenotipo, o cuando algunos genotipos no expresan el fenotipo a
pesar del est́ımulo, resultando en una población con nueva variación fenot́ıpica que
17
Figura 3: Esquema que muestra el proceso de asimilación fenot́ıpica. En el panel A, un organismo
presenta un fenotipo para cierto caracter. Tras un cambio en una variable ambiental, el organismo
presenta un fenotipo distinto para el mismo caracter (B) a pesar de que no hubo un cambio en el
genotipo, esto es, el fentipo es plástico. Tras varias generaciones de selección positiva de la variación
cŕıptica que favorece la formación del nuevo fenotipo del caracter en el nuevo ambiente, se asimila
la formación del nuevo fenotipo en el genotipo de los organismos, es decir, se pierde la capacidad
de producir el fenotipo ancestral (C). Figura obtenida de Pigliucci et al., 2006.
puede ser sujeta a selección natural. Posteriormente, si la variación fenot́ıpica re-
sultante altera la adecuación de los individuos y el nuevo fenotipo es favorable, la
selección en presencia del est́ımulo ambiental de los alelos que expresan el fenotipo
o de aquellos que lo producen con un umbral más bajo permite que incremente su
frecuencia, llevando a que eventualmente la expresión del fenotipo inicialmente in-
ducido no dependa del est́ımulo ambiental; esto es, se da la asimilación génica del
fenotipo inducido, modificando la norma de reacción de los genotipos de la población
(Slack, 2002; West-Eberhard, 2005; Braendle y Flatt, 2006).
1.3.1. Plasticidad fenot́ıpica en plantas y fitohormonas
Mientras que en los animales los órganos se forman durante la etapa embrio-
naria y, por lo tanto, la plasticidad del desarrollo de estos después del nacimiento
es limitada, en las plantas la mayoŕıa de los órganos se forman en la etapa post-
embrionaria después de la germinación, por lo que la formación de estos puede estar
sujeta a factores en el ambiente que produzcan plasticidad de desarrollo (Pierik y
Testerink, 2014). Existen diversos estudios sobre las respuestas fenot́ıpicas de las
plantas, muchas de ellas adaptativas, ante una amplia variedad de cambios en los
factores ambientales. Algunos ejemplos de dichas respuestas son el fototropismo con
el que las plantas buscan llevar a las hojas a microambientes bien iluminados, el
crecimiento de las ráıces hacia zonas húmedas o ricas en nutrientes, la elongación de
los tallos para evitar la sombra de plantas vecinas o para salir de zonas sumergidas,
y los cambios en los patrones de formación de los tricomas y los pelos de ráız ante
diversos factores tales como la herbivoŕıa o la falta de nutrientes en el suelo (Beńıtez
et al., 2013; Pierik y Testerink, 2014).
18
Diversos estudios han demostrado que las v́ıas de señalización hormonal juegan
un papel crucial en ligar mecańısticamente la percepción de est́ımulos ambientales
con las respuestas fenot́ıpicas plásticas en las plantas, las cuales vaŕıan desde alte-
raciones en las rutas metabólicas y en la fisioloǵıa hasta cambios en los procesos de
germinación y el desarrollo (Trevawas, 1986; Voesenek y Blom, 1996; Sultan, 2000).
El papel espećıfico de las hormonas en los procesos biológicos de las plantas es de-
pendiente del contexto en el que actúan, incluyendo factores como el tejido, estado
de desarrollo y la interacción con otros elementos bioqúımicos.
Las auxinas son fitohormonas involucradas en diversos procesos de elongación
y división celular, desarrollo y crecimiento en plantas, incluyendo la formación de
patrones espaciales del desarrollo. Además, las auxinas median las respuestas de
dichos proces a cambios en el ambiente (Zhao, 2010). La concentración de las auxinas
vaŕıa drásticamente en el cuerpo de la planta, formando gradientes de concentración.
Las plantas mantienen dichos niveles de concentración a través de redes complejas de
regulación que presentan una alta plasticidad adaptativa que les permite responder a
cambios en las condiciones ambientales y del desarrollo. El tipo de crecimiento que las
auxinas promueven vaŕıa dependiendo al tejido espećıfico en el que se encuentran; por
ejemplo, en el tallo pueden promover la elongación axial de las células, mientras que
en la ráız promueven la expansión lateral. Las auxinas se sintetizan principalmente
en los ápices de la parte aérea y la ráız de las plantas y localmente en otras áreas.
La biośıntesis de auxinas puede ser dependiente de triptofano o independiente de
triptofano (Benjamins y Scheres, 2008; Normanly et al., 2010). Algunos ejemplos
de los procesos de desarrollo en los que se involucran las auxinas son la filotaxia
o arreglo de los órganos vegetales alrededor del tallo (Reinhardt et al., 2003), el
desarrollo de los haces vasculares en las hojas (Sachs, 1981), la elongación celular y
el crecimiento (Cleland, 2010), y la formación de patrones en la ráız (Sabatini et al.,
1999).
Otra hormona importante en el desarrollo y respuestas adaptativas de las plantas
es el etileno, un compuesto orgánico gaseoso involucrado en la elongación de las
células, la germinación, la apoptosis, la maduración de los frutos, el desarrollo de la
ráız, entre otras funciones. Una caracteŕıstica importante de esta hormona es que
modula las respuestas de otras hormonas, tales como las auxinas, el ácido absćısico,
las citoquininas, entre otras; aunque los mecanismos por los cuales esta regulación
se lleva a cabo no son del todo conocidos (Guo y Ecker, 2004).
Las citoquininas son hormonas que se encuentran principalmente en la ráız, aun-
que se distribuyen por el tejido del tallo por el xilema. Están involucradas en la
19
respuesta inmediata ante la reducción de los nutrientes minerales disponibles en el
suelo, principalmente el nitrógeno (Coleman et al., 1990).
Los brasinosteroides son fitohormonas esteroideas involucradas en varios procesos
fisiológicos requeridos para el desarrollo de las plantas, tales como la elongación y
división celular en tallos y raices, además de participar en una gran cantidad de
v́ıas de señalización ante factores de estrés abióticos, como la salinidad, cambios de
temperatura, baja humedad, entre otros (Clouse 2011; Fariduddin et al., 2014). Otras
hormonas como el ácido absćısico y las giberelinas regulan procesos involucrados con
el ciclo de vida de las plantas, tales como como el estado de latencia y la germinación
de las semillas (Voesenek y Blom, 1996).
1.4. Mecanismos de determinación celular en la epidermis
de la ráız de Arabidopsis thaliana
Arabidopsis thaliana es una angiosperma de la familia Brassicaceae originaria de
Europa y Asia con un ciclo de vida anual relativamente corto. Su tamaño pequeño,
los relativamente simples requerimientos para su crecimiento en el laboratorio y la
alta producción de semillas por autofertilización han favorecido que esta planta sea
ampliamente utilizada como organismo modelo para estudios de genética, genómica
y desarrollo vegetal desde los primeros años de la década de 1980, aunque hab́ıa sido
propuesta como modelo de estudio desde 1943 por Friedrich Laibach (Sommerville
y Koornneef, 2002). En el año 2000, el genoma de A. thaliana fue el primer genoma
vegetal en ser secuenciado (Kaul et al., 2000).
1.4.1. Red de regulación génica en la epidermis de ráız de Arabidopsis
thaliana
La determinación celular y la emergencia de patrones espaciales robustos son
procesos clave en el desarrollo de los organismos multicelulares. La formación y man-
tenimientode dichos patrones depende de las interacciones entre diversos factores
intŕınsecos y extŕınsecos de las células que incluyen factores de transcripción, gra-
dientes moleculares, comunicación celular, v́ıas de señalización hormonales y est́ımu-
los ambientales (Beńıtez et al., 2013; Bruex et al., 2013; Schiefelbein et al., 2014).
Entender la dinámica de estas interacciones, los mecanismos por los cuales dan lugar
al fenotipo y cómo pueden verse afectadas por est́ımulos externos a las células es
crucial para entender la forma en que se ligan los procesos de desarrollo y los factores
ambientales para dar origen a la plasticidad fenot́ıpica.
20
Figura 4: Pelos de ráız en la epidermis de Arabidopsis thaliana. a) Vista longitudinal de la ráız
de A. thaliana; se observan los pelos de ráız como filamentos que sobresalen de la epidermis. b)
y c) Vista longitudinal y corte transversal respectivamente de la ráız de la ĺınea GL2:GUS de A.
thaliana. Las células teñidas de azul expresan al gen reportero GUS, el cual indica la actividad
del promotor de GL2 y, por lo tanto, la determinación celular en atricoblastos. Las células que
no están teñidas no presentan actividad de GL2 y, por lo tanto, forman tricoblastos. En b) se
puede observar que los tricoblastos se organizan en columnas alternadas con dos columnas de
atricoblastos. En c) se observa que las células que expresan a GL2 se encuentran sobe una única
célula cortical, mientras que las células que no expresan a GL2 se encuentran sobre dos células
corticales. Figuras obtenidas y modificadas de Kang et al., 2009 y Kuppusamy et al., 2009.
La epidermis de la ráız de Arabidopsis thaliana es uno de los sistemas más uti-
lizados para este tipo de estudios de desarrollo y emergencia de patrones espaciales
de determinación celular en plantas. Este sistema consiste en una monocapa de célu-
las que pueden ser de dos tipos: pelos de ráız y células que no forman pelos. Los
pelos de ráız son células alargadas que sobresalen de la epidermis como filamentos
y se forman a partir de células precursoras llamadas tricoblastos, mientras que las
células que no forman pelos no adoptan esta estructura de filamento y se forman a
partir de precursores llamados atricoblastos. Ambos tipos de células se encuentran
organizados en columnas de un sólo tipo celular sobre el córtex posicionadas en un
patrón dependiente de la posición: los pelos de ráız se encuentran sobre los espacios
intercelulares entre dos células del córtex (posición H), mientras que las células que
no forman pelos se encuentran sobre una única célula cortical (posición N). Por lo
general, dichas columnas se encuentran posicionadas de tal modo que se encuentran
dos columnas de células que no forman pelos adyacentes, seguidas de una columna
de pelos de ráız. Conforme las divisiones transversales de las células del meristemo
de la ráız originan nuevas células epidérmicas, éstas se diferencian progresivamente,
conservando el patrón dependiente de posición previamente establecido (Figura 4).
Numerosos estudios han dilucidado la Red de Regulación Génica (RRG) que
está asociada a la determinación del destino de las células en la epidermis de ráız de
21
A. thaliana. Se ha observado que la formación de atricoblastos está caracterizada por
la expresión del gen homeótico GLABRA2 (GL2 ), el cual codifica para un factor de
transcripción con homeodominio de cierre de leucina (HD-Zip) que a su vez inhibe la
expresión de otros genes que codifican los factores de transcripción necesarios para
la diferenciación de las células en pelos de ráız, tales como ROOT HAIR DEFEC-
TIVE6 (RHD6 ) y AUXIN RESISTANT2 (AXR2 ). De forma consistente con estos
descubrimientos, se ha encontrado que GL2 generalmente se expresa únicamente en
las células epidérmicas que se encuentran en la posición N en la epidermis de ráız,
y no en las células que se encuentran en posición H (Dolan et al., 1994; Rerie et al.,
1994; Di Cristina et al., 1996 y Schiefelbein; Masucci, 1996; Masucci et al., 1996a).
La expresión de GL2 depende de la formación de un complejo proteico for-
mado por la protéına con repetición WD40 TRANSPARENT TESTA GLABRA1
(TTG1), las protéınas con motivo bHLH GLABRA3 (GL3) y ENHANCER OF
GLABRA3 (EGL3), y la protéına con dominio Myb WEREWOLF (WER) (Galway
et al., 1994; Lee et al., 1999; Walker et al., 1999; Payne et al., 2000; Bernhard et
al., 2003; Bernhard et al., 2005; Schiefelbein et al., 2014). Este complejo proteico
WER-GL3/EGL3-TTG1, en adelante referido como Complejo Activador (o CA por
sus siglas), promueve la expresión de GL2 en las células en posición N, por lo que su
formación determina la identidad de atricoblastos en la epidermis de ráız (Szymans-
ki et al., 1998). Las mutaciones en GL2 o en cualquiera de los genes que codifican
las protéınas del CA producen un aumento en la cantidad de pelos de ráız ectópicos,
es decir, en la cantidad de pelos de ráız que se forman en la posición N.
Por su parte, las protéınas con dominio Myb CAPRICE (CPC) y TRIPTYCHON
(TRY), y el gen ENHANCER OF TRIPTYCHON AND CAPRICE1 (ETC1 ) actúan
de forma parcialmente redundante para la determinación de la identidad de las célu-
las epidérmicas como tricoblastos, es decir, células precursoras de los pelos de ráız
(Wada et al., 1997; Lee y Schiefelbein, 2002; Schellmann et al., 2002; Wada et al.,
2002; Kirik et al., 2004). Las mutaciones en estos tres genes producen plantas con
una menor cantidad de pelos de ráız, lo cual se debe a un aumento en el número
de células que no forman pelos en la posición H. Se ha observado que CPC actúa
uniéndose al sitio de unión a la protéına WER presente en las protéınas GL3 y
EGL3, por lo que se propone que CPC promueve la formación de tricoblastos al
competir contra WER por la unión al resto de las protéınas del CA, formando un
complejo proteico inactivo CPC-GL3/EGL3-TTG1 y, consecuentemente, inhibiendo
la expresión de GL2 (Bernhardt et al., 2003).
22
El gen WER, cuyo producto proteico forma parte del CA, se expresa en las
células en posición N (Lee y Schiefelbein, 1999). Sin embargo, se ha reportado que
WER y TTG1 inhiben la expresión de los genes GL3 y EGL3, mientras que CPC
y TRY la promueven. Como resultado, la expresión de estos dos genes tiene lugar
de forma preferencial en las células en posición H. A partir de estos datos se ha
propuesto un mecanismo de acción en el cual el CA inhibe la expresión de GL3 y de
EGL3 en las células en posición N, por lo que estos genes se expresan únicamente
en las células en posición H. A partir de estas células, las protéınas GL3 y EGL3
difunden de forma autónoma, posiblemente a través de los plasmodesmos, hacia las
células vecinas en posición N, donde se unen a WER y a TTG1 para formar el CA
y reforzar la determinación celular de los atricoblastos (Bernhardt et al., 2005).
Del mismo modo se ha observado que los genes CPC, TRY y ETC1 se expresan
preferentemente en las células en posición N (Schellman et al., 2002; Wada et al.,
2002; Kirik et al., 2004; Simon et al., 2007), lo cual sugiere que las protéınas del CA
promueven su expresión (Lee y Schiefelbein, 2002; Bernhardt et al., 2003; Simon et
al., 2007), mientras que las protéınas CPC y TRY la inhiben (Lee y Schiefelbein,
2002; Simon et al., 2007). Se ha reportado también que GL2 promueve la expresión
de TRY (Simon et al., 2007). Al igual que GL3 y EGL3, la protéına CPC se mueve
de forma autónoma hacia las células vecinas en posición H, donde se une a GL3,
EGL3 y TTG1 para evitar la formación del CA y determinar la formación de trico-
blastos. Se ha reportado un movimiento análogo de la protéına TRY a través de los
plasmodesmos en la epidermis de las hojas de A. thaliana (Wada et al., 2002), sin
embargo no se ha reportado este fenómeno en la epidermis de ráız (Schellmann et
al., 2002; Kwak et al., y Schiefelbein et al., 2014).
Estudios recientes sugieren que el factorde transcripción WRKY75 regula ne-
gativamente la formación de pelos de ráız al inhibir la expresión de los genes CPC
y TRY (Rishmawi et al., 2014). La regulación de la expresión de este factor de
transcripción está a su vez involucrada en las respuestas metabólicas de la ráız de
Arabidopsis thaliana ante la deficiencia de fosfato en el suelo (Devaiah et al., 2007).
A su vez, el gen ZINC FINGER PROTEIN 5 (ZFP5 ) codifica para un factor de
transcripción de la familia C2H2 que está involucrado en la regulación de la expresión
de CPC (An et al., 2012).
El hecho de que las células epidérmicas presenten patrones espaciales robustos
sugiere que, además de los factores intŕınsecos de determinación previamente men-
cionados, existe una señal de posición proveniente del córtex que permite a la célula
identificar la posición en que se encuentra con respecto a las células corticales y que
23
permanece constante a lo largo del proceso de determinación celular. Se ha observa-
do que dicha señal depende de la expresión de SCRAMBLED (SCM ), un gen que
codifica para una protéına cinasa receptora de membrana que inhibe la expresión de
WER en las células epidérmicas que se encuentran superpuestas entre dos células
corticales (Kwak et al., 2005; Kwak et al., 2006). A su vez, se ha sugerido que el CA
inhibe la expresión de SCM en las células epidérmicas que se localizan sobre una
sola célula cortical, mientras que CPC y TRY promueven su expresión (Kwak et al.,
2008).
A través de modelos teóricos se ha propuesto la existencia de un mecanismo de
retroalimentación positiva de la expresión del CA (Beńıtez et al., 2008). Experimen-
tos posteriores han dilucidado dichos mecanismos a través del factor de transcripción
con dominio Myb AtMYB23 (MYB23), el cual se expresa preferentemente en células
epidérmicas en posición N y funciona de forma análoga a WER en la formación del
CA (Kang et al., 2009; Wada et al., 2012). Aśı mismo, se ha sugerido que el factor
de transcripción WRKY TRANSPARENT TESTA GLABRA 2 (TTG2), cuya ex-
presión está regulada por el CA, actúa de forma redundante a éste para regular la
expresión de otros genes en la RRG, incluyendo a śı mismo (Johnson et al., 2002;
Ishida et al., 2007). A su vez, la inhibición mutua de SCM y WER representa otro
mecanismo por el cual se da la retroalimentación positiva del CA.
1.4.2. El papel de las v́ıas de señalización hormonal en la emergencia de
patrones espaciales
La abundante información experimental disponible y la relativa simplicidad del
sistema de la epidermis de ráız de Arabidopsis thaliana han permitido la integración
de la información de las interacciones que dan lugar a los patrones celulares en
modelos que involucran las RRG subyacentes, la comunicación entre las células y
la señalización de información posicional (Mendoza y Álvarez-Buylla, 2000; Beńıtez
et al., 2007; Beńıtez et al., 2008; Savage et al., 2008; Beńıtez et al., 2010; Savage
et al., 2013). Sin embargo, algunos experimentos han demostrado que la formación
de dichos patrones es controlada por diversas v́ıas de señalización hormonal que no
han sido consideradas en estos modelos y pueden alterar los patrones espaciales de
distribución de los pelos de ráız. Si bien inicialmente se consideraba que las hormonas
participaban en la regulación de la determinación celular de la epidermis de ráız
de forma independiente al CA (Masucci y Schiefelbein, 1996; Mendoza y Álvarez-
Buylla, 2000), estudios posteriores han reportado casos en que su acción involucra
la regulación de algunos genes que conforman la RRG previamente descrita.
24
Las auxinas y el etileno promueven la formación de pelos de ráız ectópicos a través
de la regulación de la expresión de RHD6 y de AXR2 de forma independiente al
mecanismo de acción de GL2 (Massucci y Schiefelbein, 1996), aunque recientemente
se ha reportado que las auxinas también participan en la regulación de la expresión
de los genes que participan en la inhibición del CA, promoviendo principalmente la
expresión de CPC y de TRY (Niu et al., 2011). Otras hormonas como el óxido ńıtrico
(NO) participan en la v́ıa de señalización de las auxinas para la formación de pelos de
ráız. Por otro lado, la expresión de ZFP5 está regulada por las v́ıas de señalización de
citoquininas en la ráız (An et al., 2012). Las hormonas brasinosteroides, las cuales se
han visto involucradas en la regulación de las respuestas de las plantas ante factores
abióticos de estrés (Fariduddin et al., 2014), regulan de forma positiva la expresión
de WER y de GL2, mientras que las alteraciones en su v́ıas de señalización afectan
la formación de los patrones espaciales de la epidermis de ráız (Kuppusamy et al.,
2009).
Los cambios en las condiciones ambientales en las que se desarrollan las plantas
también pueden afectar la determinación celular en la epidermis de ráız de las plan-
tas. La deficiencia de nutrientes tales como el fosfato, el hierro y el manganeso en
el suelo produce una mayor formación de pelos de ráız, lo cual permite a la planta
aumentar la absorción de dichos nutrientes cuando se encuentran en bajas concen-
traciones (Müller y Escmidt, 2004; Perry et al., 2007). Estos cambios en el fenotipo
parecen estar relacionados con un aumento en la expresión de ETC1 (Savage et al.,
2013) y la mediación de la señalización por auxinas como resultado de la deficiencia
de nutrientes (Massucci y Schiefelbein, 1994; Schikora y Schmidt, 2001; Müller y
Schmidt, 2004). A su vez, se ha sugerido un rol para WRKY75 en la respuesta de
las plantas ante el estrés por deficiencia de fosfato al promover la expresión de los
genes inducidos por deficiencia de fosfato inorgánico, los cuales a su vez son inter-
mediarios de la v́ıa de señalización de las auxinas (Deviah et al., 2007). Por otro
lado, el aumento de la concentración de dichos nutrientes en el suelo disminuye el
número de pelos de ráız formados en la epidermis.
A su vez, el aumento en la salinidad del suelo promueve la expresión de los genes
WER, GL2, GL3, EGL3 y CPC, y produce que las plantas desarrollen una menor
cantidad de pelos de ráız en una forma dependiente de la concentración, lo cual
se ha propuesto que es una respuesta adaptativa que disminuye el efecto negativo
de los pelos de ráız ante las condiciones de estrés salino (Wang et al., 2008). Por
otro lado, el incremento en las concentraciones de CO2 en el ambiente produce la
formación de una mayor cantidad de pelos de ráız y aumenta la expresión de varios
25
genes involucrados en la regulación de la expresión de GL2, principalmente CPC y
TRY (Niu et al., 2011).
1.5. Bioloǵıa de sistemas y modelos de redes de regulación
génica
Los acelerados avances en la bioloǵıa molecular y la consecuente acumulación de
información genómica durante las últimas décadas han dejado en evidencia que para
comprender de forma integral a los procesos biológicos es necesario visualizarlos como
sistemas de elementos con comportamientos dinámicos e interacciones que dan lugar
a la emergencia de nuevas propiedades, tales como los patrones celulares espaciales
durante el desarrollo previamente discutidos.
La bioloǵıa de sistemas ha permitido estudiar el funcionamiento de dichos pro-
cesos desde una perspectiva multidisciplinaria, haciendo uso de herramientas ma-
temáticas y computacionales para integrar la información disponible de los compo-
nentes que constituyen a los sistemas biológicos y sus interacciones, aśı como poner
hipótesis a prueba y generar nuevas predicciones mediante la experimentación in
silico (Ideker et al., 2001; Hogeweg, 2002; Kitano, 2002; Albert, 2007).
1.5.1. Modelos de redes de regulación génica
Dado que la mayoŕıa de las funciones en los sistemas biológicos emergen de la
interacción de sus componentes y no únicamente de las propiedades aisladas de es-
tos, es necesario estudiar a dichos sistemas tomando en cuenta laacción concertada
y simultánea de los factores que los componen. A su vez, la enorme cantidad de
información disponible de los genes y sus interacciones ha provocado que los mo-
delos esquemáticos sean insuficientes para describir a los procesos biológicos en su
totalidad, de donde surge la necesidad de utilizar herramientas integrativas como
las representaciones matemáticas y las simulaciones computacionales que permitan
comprender a los componentes del sistema, su dinámica e interacciones en mode-
los que, además de ser consistentes con la información existente, permitan abordar
a estos procesos desde nuevas perspectivas y generar predicciones sobre comporta-
mientos inexplorados de los mismos (Ideker et al., 2001; Albert, 2007; Álvarez-Bullya
et al., 2007; Kitano, 2007). De este modo, los modelos matemáticos y computacio-
nales en bioloǵıa funcionan como herramientas de integración de la información
experimental disponible, de experimentación al permitir investigar nuevos compor-
26
tamientos y caracteŕısticas del sistema, y de generación de predicciones basadas en
estos experimentos.
Los modelos de RRG han sido herramientas excelentes para la integración y
comprensión de los procesos de desarrollo (von Dassow y Munro, 1999; von Dassow
et al., 2000; Salazar-Ciudad et al., 2001; von Dassow y Odell, 2002; Espinosa-Soto et
al., 2004; Albert, 2007; Álvarez-Bullya et al., 2007; Salazar-Ciudad y Jernvall, 2010;
Ryu et al., 2013). En estos modelos, las interacciones de regulación de la expresión
de los genes son representadas como un conjunto de reglas de actualización que
determinan el estado de cada gen en un momento determinado con base en los
estados de los otros componentes de la red que lo regulan. Con estas reglas se puede
seguir la trayectoria de una configuración de la actividad génica a otra hasta que
dichas configuraciones llegan a un estado estable que no cambia al seguir las reglas
de la red llamado atractor de punto fijo, o a una colección de estados entre los
cuales la configuración de la actividad génica se alterna de forma ćıclica llamada
atractor periódico. Al conjunto de configuraciones que llevan hacia un atractor se le
conoce como cuenca de atración. La representación gráfica de una RRG es en forma
de grafos en los que los nodos corresponden a los genes, mRNAs o protéınas que
participan en el proceso biológico, mientras que las aristas representan interacciones
de regulación de la expresión de estos, ya sean de activación o de inhibición (Álvarez-
Buylla et al., 2007). En la Figura 5 se muestra un ejemplo de un modelo de RRG.
Para una información más detallada sobre los modelos de redes, ver la sección de
Métodos de esta Tesis.
Gran parte de los procesos biológicos tales como el desarrollo y el metabolismo
están organizados en módulos, es decir, unidades funcionales parcialmente indepen-
dientes constituidas por conjuntos de genes que regulan mutuamente su expresión,
las cuales subyacen los procesos celulares (Kitano, 2002; Segal et al., 2003). En una
representación gráfica, los módulos pueden ser identificados como conjuntos de ge-
nes o vértices que poseen un mayor grado de conexión entre ellos que con otros
vértices fuera del módulo. Los modelos de RRG son frecuentemente utilizados para
representar la estructura y dinámica de los módulos que regulan diversos procesos
biológicos (Albert, 2007; Albert et al., 2008). Un módulo ampliamente estudiado por
medio de modelos de RRG es el sistema de genes previamente descrito que subyace
los procesos de determinación celular y emergencia de patrones en la epidermis de
ráız de Arabidopsis thaliana (Mendoza y Álvarez Buylla, 1998; Beńıtez et al., 2007,
2008, 2011, 2013; Ryu et al., 2013).
27
28
b) 
.... 
,,' ." .... 
, . ....... y --..... 
c' : ~ , ~ ( < . 
__ 1100110101110 I 
~ I 
Figura 5: Modelo de la RRG asociada a la especificación de los órganos florales en
Arabidopsis thaliana. a) Topoloǵıa de la RRG, en la cual los 15 genes de la red están
representados por nodos, mientras que sus interacciones se representan con flechas
con extremo de punta (→) cuando son de activación, o con flechas con extremo plano
(a) cuando son de represión. b) Cuencas de atracción que llevan a cada una de las
células precursoras de los cuatro órganos florales: sépalos (verde), pétalos (rojo),
estambres (amarillo) y carpelos (morado). Cada atractor es un estado estable de
expresión de los 15 genes de la RRG. Imagen obtenida de Álvarez-Buylla et al.,
2007.
Los modelos de redes dinámicos son aquellos que, además de describir la topo-
loǵıa de la red, cuentan con funciones que describen el estado de los nodos como
producto del estado de los nodos que regulan su expresión y con un estado inicial
para cada nodo en el sistema. El orden en el que cada nodo es actualizado en la
red puede afectar de forma importante la dinámica del sistema. Cuando no existe
suficiente información experimental disponible, se pueden usar modelos con actuali-
zación sincrónica, es decir aquellos en los que los estados de expresión de los genes se
actualizan al mismo tiempo. Los modelos con actualización asincrónica son más rea-
listas y pueden crearse cuando existe suficiente información para discernir el orden
en el que se actualizan los nodos, aunque es posible hacerlos cuando no se conoce
este orden actualizando los nodos en orden aleatorio (Garg et al., 2008).
1.5.2. Inferencia de las arquitectura de las RRG
La arquitectura de un modelo de RRG es una función matemática parametri-
zada que describe el comportamiento general de los componentes del sistema con
base en la actividad de los elementos que lo regulan (Hecker, 2009). La forma más
ampliamente utilizada para inferir la arquitectura de una RRG consiste en utilizar
información de la expresión de los genes considerados en la red para predecir las in-
teracciones entre los nodos; esto es, inferir qué elemento de la red regula a otro con
base en los patrones de expresión. Cualquier interacción entre dos genes o protéınas
inferida en la red puede ser, en principio, corroborada experimentalmente. Sin em-
bargo, cabe señalar que el hecho de que dos nodos pertenezcan al mismo módulo y
presenten perfiles de expresión altamente correlacionados no implica necesariamente
que interaccionen entre śı de forma causal (Albert, 2007). El auge de la tecnoloǵıa
de alta cobertura tal como el monitoreo de la expresión génica a gran escala utili-
zando microarreglos de DNA y el desarrollo de novedosos métodos estad́ısticos han
promovido el uso de los modelos de RRG (Álvarez-Buylla et al., 2007; Hecker et al.,
2009; Wang y Huang, 2014).
29
Aśı mismo, es posible inferir la estructura de las RRG a partir de datos expe-
rimentales que describan la relación directa entre los nodos de la red, dando lugar
a modelos muy exactos. Esta aproximación es limitada por el hecho de que sólo es
posible de abordar en módulos ampliamente estudiados (Álvarez Buylla et al., 2007).
Algunos ejemplos del uso de esta aproximación son los modelos de los módulos de
regulación génica involucrados en el desarrollo embrionario de Drosophila melano-
gaster y en la formación de diversas estructuras y patrones celulares en Arabidopsis
thaliana (Mendoza et al., 1999; von Dassow et al., 2002; Espinosa-Soto et al., 2004;
Chaos et al., 2006; Beńıtez et al., 2008; Savage et al., 2008).
Se han desarrollado diferentes métodos para inferir la arquitectura de las RRG a
partir de la información experimental, los cuales poseen diferentes grados de simplifi-
cación y reflejan distintas asunciones sobre los mecanismos moleculares subyacientes
(Álvarez-Buylla et al., 2007; Hecker et al., 2009).
Modelos de Teoŕıa de Información
Una de las arquitecturas más simples es la red de correlación, la cual consiste
en un grafo no dirigido que indica la presencia de una interacción entre dos nodos
si la correlación en la expresión de estos es significativa.Para construir estas redes
se calcula una medida de la correlación entre los patrones de expresión de los genes
provenientes de datos de genómica funcional, y con base en ella se deducen las in-
teracciones de regulación entre dos genes cuando la correlación es significativamente
mayor que un valor umbral obtenido de la correlación entre interacciones azarosas
(Álvarez-Buylla et al., 2007; Hecker et al., 2009). La medida de correlación utilizada
puede ser un coeficiente de correlación, la distancia euclidiana o valores utilizados
en la teoŕıa de la información tales como la información mutua. Si dos elementos de
la red son independientes, su correlación es cero (Steuert et al., 2002; Stuart et al.,
2003).
Las mayores ventajas que presentan este tipo de redes es que son simples y tienen
un bajo costo computacional, lo cual les hace adecuadas para inferir propiedades glo-
bales de redes a grandes escalas. Sin embargo, a su vez presentan varias desventajas,
como ser redes de relaciones estáticas (no representan la dinámica del sistema en el
tiempo), no tomar en cuenta que varios genes pueden participar en la regulación de
otro y, al no estar dirigidas, las redes no muestran cuál de los nodos regula al otro
en una interacción (Basso, 2005; Álvarez-Buylla et al., 2007; Hecker et al., 2009).
30
Redes Bayesianas
Estos modelos se fundamentan en la teoŕıa de inferencia de Bayes y consisten
en encontrar una red Bayesiana, la cual es la representación de una distribución de
probabilidad multivariada conjunta y está compuesta por un grafo aćıclico dirigido
que muestra la RRG que describe las relaciones de dependencia causal entre los
elementos del sistema, y por un un conjunto de distribuciones de probabilidad con-
junta que avala dichas relaciones (Friedman et al., 2000; Albert, 2007). Estas redes
se construyen a partir de información de genómica funcional, para lo cual se asume
que los valores de expresión de los genes pueden ser descritos por variables aleatorias
que siguen distribuciones de probabilidad (Hecker et al., 2009). La arquitectura se
infiere proponiendo diferentes estructuras de la red, las cuales se califican con base
en su capacidad de explicar los perfiles de expresión de los genes hasta encontrar
la red más probable dada esta información, en contraste con los modelos de teoŕıa
de la información que construyen la red seleccionando o rechazando interacciones
individuales entre pares de genes (Álvarez-Bullya et al., 2007).
Modelos con ecuaciones diferenciales
Estos son modelos continuos utilizados para describir la dinámica de las RRG
de forma cuantitativa. Cada nodo es caracterizado por concentraciones (de las pro-
téınas o del mRNA que producen los genes al expresarse) y se utilizan ecuaciones
diferenciales basadas en la cinética de acción de masas para describir los cambios
en la expresión de los genes como función de la expresión de otros genes, de facto-
res ambientales, y del decaimiento de los componentes (Albert, 2007; Hecker et al.,
2009). Generalmente en estos modelos el conjunto de nodos de la red se representan
como un vector x(t) = (x1(t), ..., xn(t)), donde xi(t) representa el nivel de expresión
del gen i al tiempo t. La dinámica de este vector se describe por medio de ecua-
ciones diferenciales. Para inferir la red es necesario encontrar dichas ecuaciones a
partir de mediciones de los cambios de la expresión de los genes en el tiempo y ante
perturbaciones externas (Hecker et al., 2009).
Estos modelos pueden construirse utilizando ecuaciones diferenciales lineales o
con aproximaciones discretas a éstas por medio de ecuaciones en diferencias que
permitan utilizar ecuaciones algebráicas lineales, que son más fáciles de resolver
(Hecker et al., 2009). Sin embargo, el modelado de RRG a gran escala y de algunos
comportamientos dinámicos complejos como la emergencia de múltiples estados es-
tables o de estados estables oscilatorios requiere del uso de sistemas de ecuaciones
diferenciales no lineales (Savageau, 1970).
31
Los modelos de ecuaciones diferenciales permiten describir relaciones más com-
plejas que los otros tipos de modelos, además de explorar de forma eficiente las
hipótesis alternativas sobre la dinámica de los elementos de la red, y predecir el
efecto de las perturbaciones sobre ésta. Sin embargo, presentan la desventaja de que
requieren un sólido conocimiento de la cinética de las reacciones bioqúımicas asocia-
das al sistema que se pretende modelar, lo cual no siempre es posible de obtener a
partir de los datos experimentales. Por otro lado, estos modelos, especialmente los
de ecuaciones diferenciales no lineales, están limitados por sus altos requerimientos
matemáticos y computacionales (Albert, 2007).
Los modelos determińısticos continuos de redes de regulación pueden comple-
mentarse con descripciones del crecimiento celular para explicar la formación de
patrones espacio temporales celulares (Albert, 2007).
Redes Booleanas
En algunos casos la información disponible de las interacciones entre los genes
de una RRG no es suficiente para construir un modelo cuantitativo de ecuaciones
diferenciales. En estos casos, los modelos de redes booleanas proporcionan una al-
ternativa, pues para construirse no se requiere conocer los parámetros de la cinética
de los elementos de la red. Si bien estos modelos tienen limitaciones al describir
la dinámica cuantitativa del sistema, son eficientes para describir la dinámica del
sistema de forma global (Albert y Wang, 2009; Wang et al., 2012).
Las redes booleanas son modelos de redes dinámicas que utilizan variables dis-
cretas binarias xi ∈ {0, 1} para describir el estado de activación de cada nodo i de la
red. Cuando un gen i se encuentra inactivo la variable binaria asociada a éste toma
el valor de xi = 0, mientras que cuando el gen se encuentra activo su variable binaria
cambia a xi = 1, de modo que una red con N nodos puede presentar 2N estados
diferentes (Kauffman, 1969). Las iteraciones de la red tienen lugar en periodos de
tiempo discretos, en cada uno de los cuales el estado de un nodo cambia entre 0
y 1 de acuerdo al estado de los nodos que regulan su expresión a través de una
regla conocida como regla de transferencia, la cual puede ser representada como una
función o regla lógica utilizando los operadores booleanos AND, OR y NOT (Albert et
al., 2008). Para construir estas redes es necesario discretizar los datos continuos de
expresión de los genes en estados binarios y representar las interacciones descritas
experimentalmente entre los elementos de la red como funciones booleanas. En caso
de que se construya la red a partir de datos de genómica funcional, es necesario
encontrar las funciones booleanas para cada gen que expliquen los patrones de ex-
presión observados. El conjunto de los estados posibles de cada nodo en función del
32
estado de los nodos que regulan su expresión puede ser representado por medio de
una tabla de verdad. La representación gráfica de este tipo de redes es un grafo
dirigido en el que las aristas corresponden a las funciones de transferencia.
La ventaja de estos modelos es que son dinámicos y fáciles de interpretar, además
de que dado que el espacio de todas las posibles configuraciones es finito, se pueden
explorar exhaustivamente todas las condiciones iniciales y los atractores del modelo,
permitiendo probar directamente la necesidad y la suficiencia de cada interacción
(Hecker et al., 2009). Por otro lado, estos modelos son una alternativa a los modelos
cualitativos continuos de ecuaciones diferenciales cuando la información necesaria
para construir estos no está disponible. Una desventaja en el uso de estos modelos
es que las funciones binarias frecuentemente no pueden describir adecuadamente los
patrones de expresión de los genes (Hecker et al., 2009); sin embargo, esta desventaja
es mitigada por el hecho de que se ha demostrado que en algunos casos la dinámica
global depende principalmentede la topoloǵıa de la red y no en los valores espećıficos
de cada variable (Albert y Othmer, 2003). Por otro lado, si existe la suficiente
información disponible, se pueden utilizar modelos discretos alternativos en los que
cada variable puede tomar más de dos valores, por ejemplo xi ∈ {0, 1, 2}, de tal
forma que es posible describir distintos niveles de expresión para cada gen. En este
trabajo se adopta este marco de modelado para estudiar la dinámica de la RRG
asociada a la determinación del tipo celular en la epidermis de la ráız de Arabidopsis
thaliana.
1.6. Modelo de la RRG involucrada en la determinación ce-
lular en la ráız de Arabidopsis thaliana
En el año 2008, Beńıtez et al. propusieron un modelo discreto dinámico con
actualización sincrónica de la RRG involucrada en la determinación celular y emer-
gencia de patrones en la ráız de Arabidopsis thaliana (Beńıtez et al., 2008). El modelo
consiste en una rejilla de 20 renglones y 20 columnas, en la cual cada casilla corres-
ponde a una célula de la epidermis de la ráız de A. thaliana y contiene una RRG
conformada por los genes WER, GL3, EGL3, TTG1, GL2, CPC, TRY, ETC1 y
SCM, y por el CA (Figura 6). Los productos proteicos de GL3, EGL3 y CPC pue-
den difundir de una célula a sus vecinas, donde pueden afectar la expresión de los
genes de la red, dando lugar a una red compuesta por el acoplamiento de las RRG
de cada célula, también conocida como meta-RRG.
33
Figura 6: Red de regulación génica que regula la determinación celular de la ráız de Arabidopsis
thaliana propuesta en este modelo de Beńıtez et al., 2008. Las flechas con extremo de punta
(→) indican interacciones de regulación positiva, mientras que las flechas con extremo plano (a)
indican interacciones de represión de la expresión. El nodo gris que contiene a las protéınas WER-
GL3/EGL3-TTG1 corresponde al CA.
Para evaluar el modelo, se simularon las redes de regulación génica en los mu-
tantes reportados en la literatura y la sobreexpresión de algunos genes, lo cual se
realizó fijando los valores de los nodos correspondientes en 0 ó en 2 respectivamente.
Existe evidencia experimental que sugiere que la formación de los patrón espacial
de determinación celular en la epidermis de la ráız de Arabidopsis thaliana depende
de una señal de posición mediada por la protéına de membrana SCM, la cual inactiva
la expresión de WER en las células en posición H (Kwak et al., 2005; Kwak et al.,
2006). Con el fin de comprobar si dicha señal es necesaria para recuperar el patrón
espacial de determinación celular en el modelo, se simuló la dinámica del sistema
inhibiendo la expresión de WER cada dos columnas de células y se contrastó con
simulaciones del mismo sistema sin considerar esta inhibición. En estas simulaciones
se observó que la señal de posición de SCM es necesaria para la formación del patrón
espacial de determinación celular observado en los ecotipos silvestres, pues dicho
patrón se recuperó únicamente en las simulaciones en que se consideró la inhibición
de WER por SCM. En el modelo se propuso una interacción de autoactivación de
WER, ya sea directa o indirecta, que no hab́ıa sido reportada en la literatura en
el momento de su publicación, la cual fue necesaria para recuperar el fenotipo del
mutante scm en las simulaciones.
Se encontraron dos atractores en la red de regulación génica: uno en el que se
expresan WER, TTG1, CPC, TRY y ETC1, y las proteónas GL3 y EGL3 están
presentes debido a la difusión desde las células vecinas; y otro en el que GL3, EGL3
34
y TTG1 se expresan y CPC está presente debido a la difusión. El primer atractor
corresponde al perfil de expresión reportado para los atricoblastos, mientras que el
segundo corresponde al perfil de expresión de los tricoblastos. Congruentemente,
las células que presentaron el primer perfil de expresión fueron aquellas en las que
el CA se encontraba presente, mientras que las células con el segundo perfil de
expresión no formaron el CA. Estos perfiles de expresión formaron el patrón espacial
caracteŕıstico de la epidermis de la ráız de A. thaliana, el cual fue robusto ante
diferentes perturbaciones. Del mismo modo, los resultados de las simulaciones de
las redes mutantes fueron cualitativamente similares a los fenotipos reportados en
la literatura.
Posteriormente a la postulación del modelo, si bien se encontró que WER no
regula directamente su propia expresión, se descubrió el papel de la protéına MYB23
en la formación del CA de forma análoga a la protéına WER, aśı como el hecho de
que el CA regula positivamente su expresión (Kang et al., 2009). Por otro lado, se
reportó que WER funciona como inhibidor de la expresión de SCM (Kwak et al.,
2008). Esta información corrobora la predicción del modelo de la autoregulación
positiva (directa o indirecta) de WER (Álvarez-Buylla et al., 2011).
El modelo de Beńıtez et al., 2008, integra la información experimental sobre la
RRG que subyace a la determinación celular en la epidermis de la ráız de A. thaliana,
permitiendo el estudio de la acción concertada de los distintos factores moleculares
durante la emergencia del patrón espacial robusto observado en el sistema. Además,
el estudio permitió identificar un módulo regulatorio que es suficiente para recuperar
dichos patrones espaciales y los perfiles de expresión del sistema. Por otro lado, el
modelo contribuye a dilucidar la forma en que se origina la información necesaria
para la emergencia de patrones espaciales de tipos celulares a partir de los genes
involucrados en la determinación celular. Se concluye que la información requerida
para la emergencia de dichos patrones espaciales consiste en perfiles heterogéneos de
expresión génica, los cuales son altamente robustos, son independientes de las con-
diciones iniciales del sistema, y están determinados por las interacciones complejas
entre factores intra y extracelulares.
A pesar de su gran importancia en la integración de la información y el estudio de
la dinámica de la RRG asociada a la determinación celular en la epidermis de la ráız
de Arabidopsis thaliana, el modelo de Beńıtez et al., 2008 no integra la información
experimental que describe la forma en que los elementos de la RRG responden ante
factores externos, tales como las v́ıas de señalización hormonal o cambios en las
variables ambientales. Por lo tanto, el modelo no permite simular las diferencias en
35
la dinámica de la RRG ante cambios externos, ni determinar si dichas diferencias
producen la plasticidad fenot́ıpica reportada en la literatura cient́fica.
1.7. Objetivos e Hipótesis
Desde la publicación del modelo de Beńıtez en el 2008, se han descubierto nuevos
elementos y mecanismos que forman parte del sistema de regulación de la determi-
nación celular en la epidermis de ráız. Algunos de ellos funcionan como mediadores
entre diversos factores ambientales y la RRG que controla este proceso.
El objetivo del presente trabajo es estudiar la relación entre los cambios en la
dinámica de la RRG asociada a la determinación del tipo celular en la ráız de
Arabidopsis thaliana producidos por alteraciones en las variables ambientales y la
plasticidad en el número y en la distribución espacial de los pelos de ráız. Para ello
presentamos una revisión y actualización del modelo de Beńıtez et al., 2008, en la
cual integramos en el modelo nuevos nodos e interacciones que han sido recientemen-
te descritos en la literatura cient́ıfica, incluyendo nuevos genes, y factores externos
tales como v́ıas de señalización hormonal y variables ambientales.
La hipótesis de este trabajo es que la plasticidad en el número y en la distribución
espacial de los pelos de ráız es producida por cambios en la dinámica de la RRG
asociada a la expresión de GL2.
En un aspecto más general, con el nuevo modelo se busca establecer un preceden-
te en la forma de estudiar los mecanismos responsables